Robuste Approximate Bayesian Computation
Robuste ABC erweitert die Standard-Approximate Bayesian Computation, um Ausreißer, Modellfehlspezifikation und Sensitivität gegenüber der Wahl von Summary-Statistiken zu handhaben. Durch den Ersatz konventioneller Distanzmaße durch robuste Alternativen – wie zusammengesetzte Scores, getrimmte Statistiken oder synthetische Likelihoods – schützt sie die Posterior-Inferenz davor, durch atypische Beobachtungen oder einen unvollkommenen Simulator verzerrt zu werden.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Ruli, E., Sartori, N. & Ventura, L. (2016). Approximate Bayesian computation with composite score functions. Statistics and Computing, 26(3), 679–692. DOI: 10.1007/s11222-015-9551-z ↗
- Frazier, D. T., Drovandi, C. & Nott, D. J. (2020). Robust Approximate Bayesian Inference with Synthetic Likelihood. Journal of Computational and Graphical Statistics, 30(4), 958–976. DOI: 10.1080/10618600.2021.1875839 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Robust Approximate Bayesian Computation. ScholarGate. https://scholargate.app/de/bayesian/robust-approximate-bayesian-computation
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Approximate Bayesian ComputationSimulation↔ compare
- Bayesianische Inferenz bei MessfehlernBayes-Statistik↔ compare
- Partikelfilter (Sequentieller Monte-Carlo-Algorithmus)Bayes-Statistik↔ compare
- Robuste Bayes'sche InferenzBayes-Statistik↔ compare
- Robuste VariationsinferenzBayes-Statistik↔ compare
- Sequentielle Monte-Carlo-MethodenBayes-Statistik↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →